【导读】先是牛油果,接着是芒果,小扎的AI反击开始了。
刚刚,小扎出手。
Meta超级智能实验室(MSL)扔出了首个图像生成模型Muse Image,代号「芒果」(Mango)。
这是我们迄今为止最先进的图像生成模型。
与Muse Image一同亮相的,还有视频模型Muse Video,目前仍是预览版。
第三方竞技场Arena的文生图榜单上,Muse Image冲到了第二,紧追OpenAI的GPT Image 2。
Arena图像三榜Elo排名,截至2026年7月5日,Muse Image三项全线第2,均仅次于GPT Image 2,其中文生图1280对1385,相差105分。(图源:Arena AI Leaderboard)
虽然这次没能在画质上登顶,但芒果做了一件更狠的事:它改变了画图的方式。
还有一点让人后背发凉的技能,只要你的Instagram账号是公开的,任何人@一下你的用户名,就能调用你的公开照片去生图。
在Meta AI里,你@一个公开的Instagram账号,芒果就能把那个人公开照片里的样子,直接拉进你要生成的图。
做张活动邀请函、拼个创意概念图,@一下用户名就成。
虽然没能在画质上登顶,但Meta手里攥着几十亿人的社交网络,这才是它依仗的王牌。
不再一句话直出,而是先想后画
Muse Image,是作为一个智能体(agent)在运作的。
它会干传统生图模型不会干的事。
比如,碰到知识密集、涉及现实事实的提示,它先联网搜真实信息,把画面锚定在事实上;
要画二维码、图表,它现场写代码、跑代码,算准了再动笔,还能拿渲染出来的结果反过来校准画面;
最反直觉的一点,是自我修正:画完发现不对,会自己反思,小地方改一笔,大方向错了整张重画,实在拿不准就转头查资料。
Meta说,这个行为不是他们设计出来的,而是在强化学习里自己长出来的。
因为改稿能拿更高奖励,模型就学会了改稿。一个没被明确教过的动作,在训练里自己冒了出来。
这种「涌现」意味着,图像模型也开始有了类似语言模型那套「越练越会自己想办法」的底层能力。
开启自我修正前后的胜率对比(内部消融实验)。文生图57.1%、单图编辑56.3%、多图编辑56.6%,三项全部过半,说明自我修正让芒果稳定画得更好。(图源:Meta AI官方博客)
同时,Muse Image还有一条和语言模型走上了同一条路:想得越多,画得越好。
测试时计算给得越足,它就多搜几次、多改几遍,人类偏好的Elo评分跟着往上涨,近似一条对数线性的曲线。
Meta还发现,与其一口气生成好几张再挑最好的一张,不如把同样的算力砸在认真推理上:前者很快就涨不动了,后者还能一直往上走。
有开发者在X上一句话戳中要害:图像模型,开始在画完之前先想清楚了。
这当然不是Meta一家的方向。
OpenAI的GPT Image 2早在今年4月就上线了Thinking模式:先推理规划构图、联网搜参考、生成候选再自检,比芒果早了两个半月。
再往前追,2025年学术界就提出过「先思考再生成」的范式。
生图这条赛道,正在从「拼画质」转向「拼会不会想」。
芒果搭配牛油果,两颗一起端上桌
芒果,不是一个「水果」在战斗——它和牛油果Muse Spark是打通的:两个模型共享工具、一起规划。
语言模型负责想、图像模型负责画,组合起来能干的事,就不止「出一张图」了。
官方demo里,芒果给一只奶油色波斯猫做了套「养成」素材:奶猫、青年猫、老年猫一路生成,再打包成一个可以直接玩的2048网页游戏。
芒果与Muse Spark联手,把波斯猫Mochi从奶猫到老年猫的六阶段生成图,打包成一个能玩的2048式合成网页游戏。(图源:Meta AI官方博客)
对Meta来说,自己做生图模型这件事本身就有分量。
此前它的图像和视频功能一直靠Midjourney、Black Forest Labs这些第三方模型撑着。
现在芒果上线,等于把一个每天被调用几十亿次的能力,变成了「自己造」。
视频模型方面,Muse Video和芒果共享同一套预训练底座,主打原生音频:画面和声音一起生成。
Muse Video目前只是「预览」,还没正式开放,但已经挂上Arena跑了盲测,文生视频排到第3。
Arena文生视频榜Elo排名,截至2026年7月5日。预览中的Muse Video排第3(1459),前面是谷歌Gemini Omni Flash(1527)和字节Seedance 2.0(1482)。(图源:Arena AI Leaderboard)
Meta也没藏着短板,直说在音画同步、快速运动的物理准确性上还有差距。
@一下就能把你的社交关系画进图里
芒果的常规玩法有:
多张参考图融合成一张、直接在图上涂画标注让它改、图里的中文字清晰渲染不糊、拍张房间照让它用Facebook Marketplace上的真实商品帮你重新装修......
拍一张房间照,芒果搜索Facebook Marketplace上真实在售的二手家具,生成整屋改造效果图。(图源:Meta AI官方博客)
Instagram Stories上,它一口气带来30多个新AI特效:一键把照片变成一次性相机质感、加夜间闪光,还能直接输入一句提示自创特效,目前先在美国上线。
真正独一份的,是那个@功能,这也是OpenAI和谷歌都给不了的能力。但问题也出在这:这个功能默认是开着的。
你的Instagram只要是公开账号,别人@你就能拿你的照片生图,而你不会收到任何通知。
想关得自己钻进设置里,找到「分享与再利用」那一栏手动关掉。已经被生成出来的图,关了也删不掉。
Wired直接把这个默认开启的设定称作隐私隐患。
这样的担忧不是空穴来风。
「剑桥分析」事件里,8700万用户数据在未经同意的情况下被一家政治咨询公司拿去用。
Meta为此在2019年吃下FTC开出的50亿美元罚单,这是当时美国政府针对隐私违规开出的最大一张。
2021年,它又主动关停整套人脸识别系统,删掉超过10亿人的面部识别模板。
这次,芒果给了一个别人给不了的玩法,也带出了一个别人没碰过的麻烦。
Meta的杀招不是模型
虽然芒果画质没能登顶,但它真正的杀招,是分发。
芒果这次直接接进Meta AI、Instagram、WhatsApp,接下来还要上Facebook、Messenger,广告主也能通过Advantage+调用它。
这几个app合起来,月活将近40亿,是全球规模最大的社交网络。
Midjourney、ChatGPT在赌「谁画得最好」,Meta在赌另一件事:当AI生图变成发朋友圈一样顺手的日常动作,谁离用户最近,谁就赢。
当然,图片分发得越广,越要标清来路。
芒果生成的每张图,都带一层看不见的水印Content Seal,裁剪、压缩、缩放都洗不掉,专门标明「这是AI画的」。
Meta还放出了一个公开检测工具(meta.ai/identification),任何人都能拿一张图去查,它到底是不是Meta AI生成的。
这一回,Meta既跟上了「会思考的生图模型」,又攥着全球最大的社交网络。
只是,当@一个陌生人就能用他的照片生图,这件事的边界到底在哪,芒果还没给出答案。
参考资料:
https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/
https://about.fb.com/news/2026/07/introducing-muse-image-meta-ai/
https://x.com/AIatMeta/status/2074587884665901143
本文来自微信公众号“新智元”,作者:ASI启示录;编辑:元宇
